KÜNSTLICHE INTELLIGENZ Die nächste Revolution für industrielle Dienstleister?

Transkript

1 KÜNSTLICHE INTELLIGENZ Die nächste Revolution für industrielle Dienstleister? Prof. Dr.-Ing. Dr.-Ing. E.h. Dr. h.c. Dieter Spath Deutsche Akademie der Technikwissenschaften (acatech), München Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO, Stuttgart Institut für Arbeitswissenschaft und Technologiemanagement IAT, Universität Stuttgart Seite 1

2 acatech Quelle: acatech Seite 2

3 acatech Quelle: acatech Seite 3

4 acatech Quelle: acatech Seite 4

5 Künstliche Intelligenz Foto: Fraunhofer IFF Seite 5

6 Deutschlands digitale Reise Von der Industrie 4.0 zu Lernenden Systemen Zukunftsprojekt I Industrie Zukunftsprojekt II Smart Service Welt 2013 heute Zukunftsprojekt III Autonome Systeme seit 2015 Zukunftsprojekt IV Lernende Systeme seit 2017 Seite 6

7 Künstliche Intelligenz als neuer Treiber Hohe Automatisierungspotenziale und Produktivitätsgewinne prognostiziert Automatisierungspotenzial für den Arbeitsmarkt nach Branchen Anstieg der Arbeitsproduktivität durch KI bis 2035 (gegenüber Basisszenario) Umsatzvolumen im KI-Geschäft (weltweit) Quellen: Handelsblatt, Accenture, Bitkom, McKinsey Seite 7

8 Was ist Künstliche Intelligenz? Begriffliche Eingrenzung Teilgebiet der Informatik Zielsetzung: Kognitive Fähigkeiten wie Wahrnehmung, Planen oder Problemlösen in Computersystemen zu realisieren Dadurch erbringen sie Leistungen, die für uns Menschen intelligent erscheinen denken Systeme, die wie Menschen denken Systeme, die rational denken Schema nach Norvig & Russell: Künstliche Intelligenz: Ein moderner Ansatz agieren Systeme, die wie Menschen agieren Systeme, die rational agieren Mensch rational Kognitionswissenschaften Ingenieurwissenschaften Seite 8

9 Geschichte der Künstlichen Intelligenz Neuer Wein in alten Schläuchen? 1956: Dartmouth Conference: Geburt der KI Ende 1960er- Mitte 1980er: wissensbasierte Expertensysteme Ab 1986: Rückkehr der neuronalen Netze 1950: Turing Test Ab 1980: Kommerzialisierung Seit ca. 2012: Deep Learning 1950 Ab 1943: Kybernetik Ab Anfang 1990er: Lernende Systeme Zukunft: Hybride Kognitive Systeme? In Orange: Vier Phasen der KI-Forschung nach Wolfgang Wahlster (DFKI) : Früher Enthusiasmus; Heuristische Systeme : 1. KI-Winter : 2. KI-Winter Seite 9

10 Renaissance der Künstlichen Intelligenz Von programmierten zu selbstlernenden Systemen Ausgabe Ausgabe Ausgabe Wissensverarbeitung Computerprogramm Programmierer erstellt Software Wissensbasis + Maschinelles Lernen Datenbasis Eingabe Eingabe Eingabe Flaschenhals: Programmierer Hoher Entwicklungsaufwand Aufwändige Adaption Geringe Erklärungsfähigkeit Flaschenhals: Wissensbasis Hoher Entwicklungsaufwand Hoher Pflegeaufwand Gute Erklärungsfähigkeit Flaschenhals: Trainingsdaten Geringer Entwicklungsaufwand Leichte Anpassbarkeit Schlechte Erklärungsfähigkeit Seite 10

11 Maschinelles Lernen mit neuronalen Netzen Herausforderung: Nachvollziehbarkeit im Schadensfall Unfall auf der Landstraße Verbindungsmuster zwischen Neuronen Ersetzt Programm Lernen durch Daten ändert die Verbindungsmuster Eingabe Objekte Bildelemente Objektteile Szenenund Objektmodell Ausgabe Ersetzt Programmierung Vielfalt und Qualität der Trainingsdaten ist erfolgskritisch. Seite 11

12 Bislang ungelöste Probleme Herausforderungen Verständliche Erklärung und Begründung der Ergebnisse für den Endanwender Robustheit gegenüber geringfügigen Transformationen der Trainingsdaten Überanpassung durch zu lange Trainingsdauer Aufwandsreduktion zur Datenannotation für das überwachte Lernen Erfolgreiches Lernen bei sehr wenigen Trainingsdaten Garantierte Konfidenzniveaus Bildquelle: vladystock / Fotolia Seite 12

13 Foto: Wittenstein SE Auswirkungen auf die Unternehmens- und Arbeitswelt Seite 13

14 Potenziale Künstlicher Intelligenz Das Aufkommen von KI ebnet den Weg für mehr Wertschöpfung KI weist ein hohes Potenzial für die zukünftige Wertschöpfung im produzierenden Gewerbe auf. Innerhalb der nächsten fünf Jahre ist mit dem Einsatz der KI im produzierenden Gewerbe in Deutschland eine zusätzliche Bruttowertschöpfung in Höhe von ca. 31,8 Mrd. Euro verbunden. Dies entspricht etwa einem Drittel des gesamten Wachstums des produzierenden Gewerbes in Deutschland innerhalb dieses Zeitraums. CEO-Perspektive auf den Einfluss von KI im Hinblick auf die Business Strategie Quelle: Begleitforschung PAiCE, iit-institut für Innovation und Technik in der VDI/VDE Innovation + Technik GmbH: BMWi-Studie Potenziale der Künstlichen Intelligenz im produzierenden Gewerbe in Deutschland; Juli 2018; PwC: Künstliche Intelligenz als Innovationsbeschleuniger in Unternehmen, März 2018; Basis: Entscheidungsträger und Verbraucher Seite 14

15 Wo Unternehmen KI einsetzen wollen KI-Potenzial derzeit überwiegend in der Kundenkommunikation gesehen Welche Chancen ergeben sich für Ihr Unternehmen durch den Einsatz von KI? 74% 32% Reduzierung von Routineaufgaben 65% 51% Effizienz- und Kostenoptimierung 45% Erhöhung der Qualität und Kundenzufriedenheit Neue Wachstumspotenziale durch die Verknüpfung zu IoT Unterstützung beim Umbau der Belegschaft durch Robotereinsatz bei Routineaufgaben 71% 39% 80% 54% Interaktion mit Kunden in Chat Bots, Service-Hotlines und am Point of Sale Geschwindigkeit in den Fachprozessen 50% Genaueres Verständnis der Kundenanforderungen in ihrer Customer Journey Bessere Entscheidungen durch genauere Prognosen und Analysen Geringere Fehlerhäufigkeit in der Bearbeitung von Aufgaben Quelle: Lünendonk & Hossenfelder; Lufthansa Industry Solutions, 2017; Basis: n = 101 (Anteil der Befragten, die in den Anwendungsfällen für Ihr Unternehmen Potenziale sehen) Seite 15

16 Was mit KI heute bereits möglich ist Fallbeispiele von KI im Funktionsbereichskontext eines Unternehmens Einkauf/Beschaffung Prozessautomatisierung Identifikation von Einsparungspotenzialen Logistik Autonomes Fahren Proaktive Logistikoperationen Verwaltung Plausibilitäts- und Vollständigkeitsprüfung Datenerfassung und -übertragung Produktion Predictive Maintainance Autonome Qualitätskontrolle Finanzen Automatische Belegerkennung Automatisierter Zahlungsverkehr Marketing/Vertrieb Analyse des Nutzungsverhaltens Neukundenakquise Forschung und Entwicklung Automatisierung der Datenerhebung Hypothesenaufstellung Personal Erstellung von Trainingsunterlagen Unterstützung bei der Bewerberauswahl Quellen: BMWi (2018), industry-of-things (2018), blue-rocket (2018), PWC (2018), WEKA MEDIA (2018) Seite 16

17 Auswirkungen auf die Beschäftigung Digitalisierung und KI produzieren Gewinner und Verlierer 10% aller Berufe 10% aller Berufe sind zu sind 90% automatisierbar zu 90% automatisierbar 100% Was Automaten schon heute erledigen können: Bei 60% aller Berufe können mindestens 30% der anfallenden Tätigkeiten ersetzt werden. (McKinsey) 0% Automatisierungspotenzial Anzahl der Berufe 50% 50% 87% aller Berufe sind zu mehr als 10% automatisierbar 87% aller Berufe sind zu mehr als 10% automatisierbar 100% Quelle: McKinsey Global Institute, 2017; Meffert + Meffert: Eins oder Null; IAB-Forschungsbericht 11/2015 Die Nachfrage nach hochqualifizierten Beschäftigten steigt. Andererseits fallen viele einfache Tätigkeiten weg. Prognose: Verlust von bis zu Jobs und Umschichtung von Arbeitsplätzen, d.h. nahezu keine Veränderung der Gesamtbeschäftigung Verlust von ca einfacheren Jobs Entstehung von ca neuen Stellen Seite 17

18 Neuerfindung der Arbeitswelt Aufbrechen veralteter Strukturen und Muster Traditionelle Sicht Zukunftsorientierte Sicht Gewinnmaximierung Ressourceneffizienz Profit Sinn Unternehmensvision Stakeholderorientierung Autorität Weisung Hierarchie Netzwerke Teamgedanke Freiheitsgrade Bürokratisierung Zentralisierung Kontrolle Kollaboration Bedarfsorientierung Wissenstransfer Budgetierung Kalkulation Planung Experimente Agile Methoden Pioniergeist Informationshoheit Silodenken Diskretion Transparenz Offene Systeme Denkfabriken Seite 18

19 Fazit Seite 19

20 Fazit Unternehmen erwarten hohe Produktivitätssteigerungen durch den Einsatz von Künstlicher Intelligenz Potenziale liegen in der Datenanalyse, der Sachbearbeitung und der Kundenkommunikation Künstliche Intelligenz führt zu deutlichen Veränderungen der Arbeitswelt Es werden diejenigen Unternehmen erfolgreich sein, die für den Einsatz von Künstlicher Intelligenz frühzeitig die Voraussetzungen schaffen Seit 20 Jahren liest man regelmäßig, dass der Durchbruch Künstlicher Intelligenz unmittelbar bevorsteht. Aber jetzt stimmt es wirklich. Sascha Lobo, Autor und Blogger Seite 20

21 Kontakt Univ.-Prof. Dr.-Ing. Dr.-Ing. E.h. Dr. h.c. Dieter Spath Institutsleiter Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO Institut für Arbeitswissenschaft und Technologiemanagement IAT Nobelstraße Stuttgart Seite 21